Explicarle bien a la IA no alcanzaba: hacía falta saber programar
Un estudio preregistrado de ETH Zürich con cien personas midió qué predice si alguien arma software solo hablándole a la IA, sin tocar código. El conocimiento técnico pesó casi el doble que la habilidad de escribir prompts, y usar la IA con más frecuencia se correlacionó con peor resultado, no con mejor. La lista de lo que falta en un backend armado así —autenticación, migraciones, tests— muestra por qué "se ve terminado" no es lo mismo que "está terminado".
El 13 de septiembre circuló un estudio preregistrado que hicieron Thorgeirsson, Weidmann y Su, aceptado en la conferencia CHI 2026, con cien estudiantes puestos a programar sin ver ni tocar una línea de código: solo prompts y la vista previa de la app corriendo, el llamado vibe coding puro. Les tomaron pruebas estandarizadas de conocimiento de programación, habilidad de escritura e inteligencia general, y después les pidieron replicar una app, agregarle funciones y construir una app nueva sin nombre obvio. El conocimiento de programación predijo el resultado con una correlación de 0,39, la habilidad de escritura con 0,29 — pero al poner los dos factores juntos en el mismo modelo, el conocimiento técnico pesa casi el doble (0,356 contra 0,244), y ese peso se sostiene incluso después de controlar por inteligencia general.
Nos deja una lectura incómoda de algo que veníamos sospechando: la promesa de que cualquiera puede construir software con IA con solo saber pedir bien tenía una letra chica. No es que escribir bien no importe — la calidad del prompt explica más de la mitad de por qué escribir mejor ayuda a construir mejor. Pero el conocimiento técnico sigue siendo la base que permite pedir lo correcto y detectar lo que la IA no vio. Y el dato más incómodo del estudio: usar la IA con más frecuencia se correlacionó negativo, no positivo, con el desempeño.
Señal 01 · El estudio
Qué encontró exactamente el estudio de ETH Zürich sobre vibe coding
El equipo armó un entorno de vibe coding puro: el código queda completamente oculto, solo se ve la app corriendo. Ahí probaron tres tareas diseñadas por expertos — replicar una app existente, agregarle funciones nuevas y construir una app descontextualizada sin nombre obvio — con cien estudiantes que además rindieron pruebas estandarizadas de programación, escritura e inteligencia general (ICAR16).
El conocimiento de programación (CS) predijo el resultado con r=0,39; la habilidad de escritura, con r=0,29. Ambos significativos por separado, pero al entrar juntos en el mismo modelo, el conocimiento técnico pesa casi el doble (β=0,356 contra β=0,244 de la escritura). Y hasta controlando por inteligencia general, el conocimiento técnico sigue prediciendo el resultado (r parcial=0,281): saber programar no es un lujo que la IA vuelve obsoleto, es la base que permite pedirle lo correcto.
Por qué escribir bien también importa, y por qué usar más la IA no ayuda
La habilidad de escritura sí importa, pero no de forma directa: la calidad del prompt —qué tan clara, organizada y rica en vocabulario es la consigna— explica el 52% del efecto de la escritura sobre el resultado. Es requerimientos de ingeniería de toda la vida, dicho en forma de chat: escribir mejor lleva a pedir mejor, y pedir mejor lleva a mejor software.
El hallazgo más contraintuitivo es otro: la frecuencia autorreportada de uso de IA se correlacionó negativo tanto con el desempeño en vibe coding (r=-0,258) como con la habilidad de escritura (r=-0,282), y no tuvo ninguna correlación con el conocimiento técnico. Quienes más usaban la IA en su día a día no eran mejores construyendo con ella — eran peores. Usarla más no es una estrategia.
Las veinte cosas que le faltan a un backend armado solo con IA
El mismo día circuló una lista que aterriza el estudio en la práctica: veinte elementos que suelen faltar en un backend armado con IA aunque "se vea terminado" — validación de inputs, autenticación, autorización, límite de tasa de pedidos, manejo seguro de errores, variables de entorno para secretos, migraciones de base de datos, índices, paginación, backups automáticos, monitoreo, HTTPS y tests con integración continua, entre otras.
Es la misma brecha que mide el estudio, pero visible: la parte que se ve —la pantalla, el flujo, la demo— es la fácil. La que no se ve —lo que sostiene el sistema cuando hay datos reales y usuarios reales— es la que exige el conocimiento técnico que el estudio identificó como el predictor más fuerte.
Venimos registrando cómo se redefine qué significa "saber construir" en la era de la IA: hace unos días mostramos un equipo de veinte personas construyendo con el impacto de uno mucho más grande, y antes, una empresa que corre entera con agentes y sin empleados humanos. Este estudio pone el freno de mano a esa euforia: la ventaja de construir rápido con IA sigue dependiendo de que alguien del otro lado sepa programar de verdad.
Si estás construyendo tu producto o tu negocio apoyado en IA sin saber programar, esto te toca directo: es probable que lo que armaste funcione en la demo y no en producción, y no porque la IA sea mala, sino porque nadie del otro lado sabe pedirle ni revisarle lo que falta. La salida no es dejar de usarla, tampoco es usarla más seguido —el estudio muestra que usarla más no mejora nada si no sabés qué pedirle—. La salida es invertir en entender lo mínimo de arquitectura: qué es una migración, qué es autenticación, por qué importa un índice, para poder dirigir a la IA en vez de solo aprobar lo que te muestra.
La movida del día
Agarrá el último producto que armaste con IA y corré la lista de las veinte cosas contra él: contá cuántas te faltan. Si te faltan más de la mitad, no lo publiques todavía con datos reales de usuarios. Si programás poco o nada, sumá a alguien que sepa —aunque sea unas horas por semana— antes de lanzar. Y la próxima vez que le pidas algo a la IA, escribí la consigna como si fuera una especificación, no como si fuera una charla.
¿El vibe coding sirve para lanzar un producto real?
Sirve para probar una idea rápido y validar si tiene sentido. Pero el estudio de ETH Zürich muestra que sin conocimiento técnico de base el resultado tiende a quedarse en demo: la parte visible funciona, la que no se ve —seguridad, datos, errores— generalmente no. Para algo que va a manejar usuarios y datos reales, conviene sumar revisión técnica antes de lanzar.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
